建立合理的社会网络节点(成员)影响力评估体系、识别影响力节点,是分析一个网络组织结构的关键问题,对于研究网络中节点之间的影响力分布乃至传播模式都具有重要意义。对节点影响力的评估不仅是网络舆情引导者决策时的重要信息来源,也是实施网络病毒营销时选择种子节点的重要依据。常见的识别方法是通过比较节点中心性测度数值的大小,来获得最具影响力的节点。然而每一种中心性测度都有自己的优势和劣势。TOPSIS作为一种多属性决策手段已经成为决策的一个重要分支,而将TOPSIS用来识别网络中的影响力节点尚不多见。本文选取具有代表性的多属性决策方法--TOPSIS方法作为主要研究方法,提出基于熵权的TOPSIS拓展方法,并将新方法用于社会网络节点影响力评估的模型中。论文的主要内容有：首先,阐述了论文的研究背景和意义,并对网络营销和社会网络影响力最大化研究的现状进行了文献综述,并提出了论文总的研究思路和框架。然后,论文介绍了网络营销的背景知识、TOPSIS方法的理论基础和具体计算步骤,系统介绍了社会网络影响力评估的常见方法,包括影响力节点识别方法和影响力最大化问题。接着,论文对社会网络影响力做了界定,并分析了影响力的相关因素包括时间、节点位置和话题等,比较了几个常见影响力最大化问题的模型,包括贪心算法、线性阀值模型和独立级联模型等。在介绍了常见网络分析中心性方法后,重点对TOPSIS方法展开了研究和拓展。本文使用熵权法来确定TOPSIS方法中多种属性的权重,提出了基于熵权的TOPSIS拓展方法。基于熵权的TOPSIS法首先对社会网络的多属性,即网络中节点的多种不同中心性测度进行属性权重的确定,再用经典TOPSIS法来集成这些多属性,从而获得每个节点的重要性估值及其排名,达到识别网络中影响力节点的目标。将网络节点不同的中心性测度作为TOPSIS多属性的新方法在一定程度上克服了单一中心性测度方法的局限性和劣势,而熵权法的引入则是增强了TOPSIS方法的客观性。紧接着论文通过对历史文献的比较参考,选取了具有典型意义的社会网络分析中心性指标。最后,我们用Susceptible-Infected (SI)模型来比较新方法和常见的单一中心性测度方法的性能。数据实验结果显示了新方法相比常见方法的高效性和可行性。这将为节点识别研究在舆情控制、病毒营销等方面的应用节约时间成本,从而达到更好的效果。